yolo_darknet_sur_un_gros_centre_de_calcul
Ceci est une ancienne révision du document !
Table des matières
Yolo Darknet sur un gros centre de calcul
Installation de YOLO Darknet sur un portable sans carte graphique
Un Desktop avec une carte graphique Nvidia GTX 1060 6GB
Ressources et documentation de YOLO Darknet
Darknet
Training avec YOLO V3
Il faut une carte graphique avec 4Go de RAM Minimum:
1er essai
./darknet detector train cfg/obj.data cfg/yolo-obj.cfg darknet53.conv.74 -map Plantage après quelques heures.
Region 94 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000022, .5R: -nan, .75R: -nan, count: 0 Region 106 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000007, .5R: -nan, .75R: -nan, count: 0 Region 82 Avg IOU: 0.598407, Class: 0.502380, Obj: 0.008013, No Obj: 0.000374, .5R: 1.000000, .75R: 0.000000, count: 1 Region 94 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000021, .5R: -nan, .75R: -nan, count: 0 Region 106 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000006, .5R: -nan, .75R: -nan, count: 0 (next mAP calculation at 3400 iterations) 677: 1.019812, 1.151380 avg loss, 0.000210 rate, 34.394427 seconds, 43328 images Loaded: 0.000031 seconds Region 82 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000276, .5R: -nan, .75R: -nan, count: 0 Region 94 Avg IOU: 0.770459, Class: 0.537064, Obj: 0.003326, No Obj: 0.000032, .5R: 1.000000, .75R: 1.000000, count: 1 Region 106 Avg IOU: -nan, Class: -nan, Obj: -nan, No Obj: 0.000008, .5R: -nan, .75R: -nan, count: 0 corrupted double-linked list (not small) Abandon (core dumped)
Training avec YOLO Tiny
Même configuration que mais avec 64000 images 704×704 au lieu de 1000 images 416*416
yolo_darknet_sur_un_gros_centre_de_calcul.1554272349.txt.gz · Dernière modification : 2019/04/03 06:19 de serge